OpenAI COO 离职，NVIDIA 开源 Nemotron 3.5 与 Switchyard

1️⃣ OpenAI COO Brad Lightcap 离职，将创办新事业#

• 核心事件：任职八年的 OpenAI COO Brad Lightcap 宣布离开 OpenAI，称将“start something new”，未来几周仍会留任交接。
• 背景信息：Lightcap 在离职信中表示，自己从 2018 年加入 OpenAI 后搭建了财务、法务、人事、GTM/政府关系、合作等首批运营与商务团队，并称“mission success feels within sight”。
• 公开表述：他表示“接下来世界有几件重要新事情需要做对”，更多计划将很快公布；具体方向尚未披露。
• 行业意义：这是 OpenAI 在核心研究人才变动后，运营与商业化一号位也选择离开的重要信号。

🔗 Brad Lightcap 离职信 | The Rundown AI 报道

2️⃣ xAI 发布 Grok Bot 早期 beta：可登录工具独立完成工作流#

• 核心发布：Grok Bot 进入早期 beta。Bots 拥有独立云电脑，可登录用户工具、像人一样操作并交回完成的工作，也支持 Bot 之间独立或群聊协调。
• 可用范围：当前面向 SuperGrok Heavy、Cursor Ultra 与 Cursor Teams Premium 用户开放，支持桌面端与 iOS。
• 后续节奏：Elon Musk 表示修复早期问题后会扩大 beta，并计划本周发布 Grok 4.6。
• 社区观察：有用户称其“像 OpenClaw 但更易用、更可靠”；讨论焦点集中在将账号凭证交给远程 AI 执行器的信任与安全边界。

🔗 Grok Bot 官方 | Elon Musk | Peter Yang

3️⃣ 微软 MAI-1.1-Flash 上线 GitHub Copilot：列表价降 73%#

• 核心发布：微软发布 MAI-1.1-Flash 代码模型，并已在 GitHub Copilot 中上线。
• 性能与成本：相比 6 月发布的 MAI-1-Flash，质量更高、效率提升 25%，GitHub 公布其列表价降低 73%；Mustafa Suleyman 称成本为上一代的四分之一。
• 能力特点：原生支持图像理解，在编码质量、指令遵循、工具调用与性能上均有改进。

🔗 Mustafa Suleyman | GitHub | 微软博客

4️⃣ Gemini 应用月活突破 10 亿，Gemma 系列下载超 10 亿#

• 核心数据：Sundar Pichai 宣布 Gemini App 月活用户超过 10 亿，成为 Google 第 14 个达到该里程碑的产品，也是增长最快的一个。
• 生态数据：Gemma 开源模型家族累计下载量同步突破 10 亿。

🔗 Sundar Pichai | Logan Kilpatrick

5️⃣ NVIDIA 发布 Nemotron 3.5 Lightning 与 Switchyard 模型路由#

• 核心发布：NVIDIA 开源 30B MoE 模型 Nemotron 3.5 Lightning，3B 激活参数、1M 上下文，面向常驻 Agent 的高频执行场景，官方称输出速度是同尺寸模型的 4 倍。
• 开放内容：权重、Agentic RL 数据集 Nemotron-RL-Agentic-Terminal-Pivot 与训练配方一并开放；Ollama、OpenRouter、Fireworks 同日接入。
• 配套发布：同步推出开源模型路由库 NeMo Switchyard。LangChain 在 145 个多步任务上的测试显示，93% 的步骤可由 30B 模型完成，总成本降低约 70%，同时保留约 90% 的 Opus 准确率。

🔗 NVIDIA 官方 | Ollama | RL 数据集 | LangChain 测试

6️⃣ Junyang Lin 在上海创立 Pragmatik Labs，聚焦下一代 Agent#

• 核心发布：Junyang Lin 宣布在上海成立 Pragmatik Labs（语用科技），研究方向为覆盖数字与物理世界的下一代 Agent。
• 资方构成：高榕创投与红杉中国联合领投，腾讯与上海未来产业基金参与支持。

🔗 Junyang Lin

7️⃣ LlamaIndex 发布 ExtractBench：50 页以上文档 VLM 召回率跌破 35%#

• 核心发布：LlamaIndex 应用研究团队发布信息抽取基准 ExtractBench，覆盖 14 套系统（前沿 VLM、编码 Agent、抽取 API），评估 370 份企业文档、4,869 页、67 种文档类型，零 LLM judge，完全确定性、可复现。
• 核心发现：超过 50 页的文件中，商业 VLM 召回率普遍低于 35%，高精度但静默丢弃大多数表格行。
• 配套产品：同步推出 LlamaParse 新档位 Agentic Plus，以 95.6% 值准确率居首，成本不到最接近竞品的三分之一。

🔗 LlamaIndex 推文 | Jerry Liu 推文 | GitHub

8️⃣ Google Cloud 公布后量子密码迁移路线图：2029 年完成全量就绪#

• 核心路线：Google Cloud 发布 PQC 路线图，计划 2029 年实现全面后量子就绪，并围绕 SNDL 缓解、完整性防伪、密钥管理三个领域排期。
• 当前进展：Google Cloud API 端点已支持混合模式 ML-KEM；负载均衡器支持 X25519MLKEM768；Cloud KMS 已 GA 提供 ML-KEM、ML-DSA、SLH-DSA。
• 后续节点：2027 年完成 SNDL 缓解目标，2028 年完成软件供应链、量子安全证书与身份访问的完整性改造。

🔗 Google Cloud Blog

9️⃣ 微软研究院发布 CARE-X：统一胸片解读 VLM，ReXVQA 准确率 94%#

• 核心发布：CARE-X 是面向胸片解读的统一视觉语言模型，在同一架构中支持报告生成、疾病分类、异常定位与解剖结构定位。
• 关键结果：在 ReXVQA 基准（41,007 个问答对）上达到 94% 总体准确率，比次优公开模型高 6 个百分点；可调阈值的辅助分类头支持筛查与确认两种工作点。
• 工具增强测量：将 VLM 与确定性测量工具结合的实验中，对心脏增大、纵隔增宽等依赖测量的病变，平均 F1 提升 43.6 个百分点。
• 真实数据验证：在 Narayana Health 的 1,047 张去标识胸片与 CT 确认扩大型病变队列上完成回顾性验证。

🔗 Microsoft Research Blog | MSFT Research

🔟 [持续跟踪] OpenAI Daybreak Red/Blue 登陆 Amazon Bedrock#

• 前情提要：OpenAI 昨日发布网络安全模型 GPT-5.6-Cyber，并扩充 Daybreak 防御计划。
• 最新进展：AWS 宣布 Daybreak Red（基于 GPT-5.6 Cyber）与 Daybreak Blue（基于 GPT-5.6 Sol）现已在 Amazon Bedrock 上线，面向合格客户开放，首批区域为 us-east-1。
• 部署与控制：通过 Bedrock 运行时启用零接触运维（ZOA）、客户管理 KMS 密钥、IAM/VPC 边界控制；推理数据不用于训练，也无需向 OpenAI 共享数据。
• 已有战果：OpenAI 称 GPT-5.6 Cyber 已协助发现 Chrome V8 两个此前未知漏洞，其中一个已作为 CVE-2026-15903 修复。

🔗 AWS Blog | OpenAI 发布

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
stablyai/orca	Agent 编排 / IDE	42.7k
HKUDS/DeepTutor	AI Agent 应用	34.7k
anthropics/skills	Agent 技能规范	168.1k

---

1. stablyai/orca ⭐ 今日 +875#

语言/许可： TypeScript / MIT
总 Stars： 42.7k
仓库： GitHub

项目定位：
面向使用多个编码代理的开发者，提供一个并行管理与编排多个 CLI Agent 的桌面/移动端工作环境。

核心功能：

• 并行 Worktree：同一条 prompt 可分发到多个 Agent，每个在独立 git worktree 中运行，对比结果后合并。
• 兼容 Claude Code、Codex、OpenCode、Cursor 等任意终端 Agent，并内置订阅账号与用量管理。
• 支持桌面、移动端、VPS 三端协同，可通过 SSH 在远程机器运行 Agent 并自动重连。
• 内置 Design Mode 与 Annotate AI Diffs，为前端修改和代码评审提供上下文闭环。

技术亮点：
以 git worktree 为粒度实现多代理并行隔离；基于 WebGL 的终端渲染支持高并发 split 与持久 scrollback。

---

2. HKUDS/DeepTutor ⭐ 今日 +812#

语言/许可： Python / Apache-2.0
总 Stars： 34.7k
仓库： GitHub

项目定位：
面向个性化终身学习场景的多智能体 AI 辅导系统，用于交互式教学、知识库问答与深度研究。

核心功能：

• 多智能体教学框架：支持自定义 Agent（Partner）并在对话中实时调用，提供个性化辅导。
• 知识库与 RAG：支持 PyMuPDF4LLM、MinerU、LlamaIndex 等解析引擎，搭配 FAISS/LightRAG/GraphRAG 向量后端。
• 多模型/提供商路由：兼容 OpenAI/Anthropic/Gemini 等 API，支持 OpenAI 兼容工具调用与 MCP 服务。
• CLI 与扩展生态：提供 Agent-native CLI、Deep Research、Math Animator 等工具链。

技术亮点：
多 Agent 协作与多检索后端 RAG 架构，支持文档级引用溯源和跨提供商模型路由。

---

3. anthropics/skills ⭐ 今日 +485#

语言/许可： Python / Apache-2.0（部分 source-available）
总 Stars： 168.1k
仓库： GitHub

项目定位：
面向 Claude/Agent 开发者的技能封装规范与参考实现库，用于将专业任务指令、脚本和资源打包为模型可动态加载的 SKILL 模块。

核心功能：

• 定义 SKILL.md 标准（YAML frontmatter + 指令文本），支持以文件夹粒度封装技能。
• 官方提供 docx/pdf/pptx/xlsx 等文档操作技能，以及创意、技术、企业流程等参考实现。
• 可直接注册为 Claude Code 插件 marketplace，通过 /plugin install 安装。
• 支持 Claude.ai 和 Claude API 上传/调用自定义技能。

技术亮点：
以极简文件结构实现动态技能加载，并推动 Agent Skills 跨工具标准化。

🟧 Hacker News 热议#

WorldClaw Agentic 3D open-world generation at scale#

71 pts · 26 comments · tencent-hunyuan.github.io

📌 内容总结

• 腾讯混元 3D 研究团队提出的 agentic 管线：输入一句开放文本，输出“terrain + 独立 object 实例”组成的可探索 3D 世界，目标是同时保持全局一致性、局部细节和可编辑性。
• 技术流程：intent analysis/planning agent 把 prompt 转成结构化场景规范；terrain 由语义布局、可复用资产、生成/程序化材质和 region-aware height field 合成；只对高细节需求区域生成对象，并用 render-guided agent 循环修正 pose、接触、材质。
• 结果与限制：所有对象保持独立 mesh，可对接 Blender/game engine；未来工作提及 code-native 3D modeling，但页面/仓库未提供可运行代码。

💬 讨论总结

• 最大质疑：GitHub 仓库为空，评论认为这不是一个可复现的模型，而是“LLM + PCG 的 Python 脚本组合”，核心贡献并不在端到端模型训练。
• 被单独认可的工程点：用 image model 做 2D 场景构图，再用类 SAM3D 流程抽成 3D mesh 并放回 terrain；有用户指出 Tripo/Meshy 工作流已是类似做法，且低多边形/“smart poly”是保证可用的关键。
• 视觉质量问题：地形“过卡通”、建筑压在水面、布局不协调；评论认为示例大概率 cherry-picked，原因可能是卡通风格对瑕疵更宽容，写实风格会放大不一致。
• 手作 vs 生成的争论：Skyrim/Cyberpunk 的好来自手工细节和环境叙事，Starfield 式 proc-gen 并不吸引人；反驳者认为 AI 生成管线会快速逼近前者。
• 商业定位判断：更适合“流水线量产 gacha 游戏”，而不是需要美术反复打磨的 3A 开放世界。

🔗 原文 · HN 讨论页

Nvidia Nemotron 3.5 Lightning and NeMo Switchyard#

159 pts · 80 comments · nvidia.com

📌 内容总结

• NVIDIA 扩展 Nemotron 3 家族：Nemotron 3.5 Lightning 是 30B 参数的 MoE 模型，定位 always-on agent 中的高并发专用子任务；官方称输出速度最高 4x、agentic 任务完成速度快 30%，可运行在 RTX PC、DGX Spark/Station、Jetson 等本地设备。
• 同时发布 NeMo Switchyard：开源模型路由库，根据质量/延迟/成本把请求路由到自选模型组合；内部 benchmark 称在保持 frontier 精度前提下，将任务完成成本降到 Opus 4.8 单独调用的约 1/3。
• 商业化信号：CrowdStrike、Harvey、CodeRabbit、Cognition、LangChain、Ramp 等均出现在合作名单；同时发布 RL agentic 训练数据集。

💬 讨论总结

• 部署矛盾：GitHub README 明确写 “Experimental software. Not for production use.”，与官方博客的“可部署”语境相矛盾；用户认为路由库对 prompt cache 的处理不透明，sticky session 会牺牲每轮路由最优性。
• 基准质疑：官方对比图未包含 Qwen 系列，只放了“跨量级”的 Max 变体；有用户用第三方对比称 Meta 30B 明显更好，但未说明成本差异。
• 小模型共识：多位评论者认为大规模多模型时代方向是小型高效模型 + 路由，甚至有人称“整个公司押注于此”；这与近期显存/算力约束下的“rampocalypse”背景直接相关。
• 本地部署现实：有用户实测 nemotron-3.5-lightning:30b-mlx 可在 Apple Silicon 上运行，速度偏慢但可用；16GB VRAM 跑 q4 仍不被看好，评论区提出 REAP 剪枝到 20B-A3B 也许才是本地 orchestrator 的可行路线。
• 反对/质疑：对官方“低成本 + 高质量”的第三方验证不足；路由器本身增加额外延迟和基础设施复杂度，是否值得仍有疑问。

🔗 原文 · HN 讨论页

Stealing Reasoning Traces from Proprietary LLM APIs#

464 pts · 199 comments · stolen-thoughts.com

📌 内容总结

• 来自 MATS/Tübingen 等机构的研究者发现，Anthropic/OpenAI/Google 返回的“加密 CoT block”可跨会话、跨用户、跨模型重放；把强模型的 trace 注入同厂商更弱的模型，再 jailbreak 弱模型，就能让弱模型逐字转写强模型隐藏推理，而不需要攻破加密或直接攻击强模型。
• 对 6,708 个公开 agent trajectory 解码出 315,320 条 reasoning block，识别出 704 个隐私 artifact（62 个 API key、33 个密码、24 个 access token、30 个邮箱），其中 64 个只出现在隐藏推理中、不在可见会话里。
• 限制与后续：作者没有破解密码学，而是利用“服务端需要在上下文中解密/注入 reasoning”的机制；论文称三家厂商均确认收到报告，之后作者无法再复现攻击，但厂商未公开承认存在安全影响。

💬 讨论总结

• 机制确认：评论解释这不算解密，而是“让能读到明文推理的弱模型复述出来”；此前已有安全博主尝试过跨模型重放，但没有配合 jailbreak，这次研究把链路做完。
• 提取真实性：有评论引用 OpenAI 在 BlackHat 上展示的推理片段，确认模型内部确实使用“grug speak”式省略语法，佐证论文提取到的是真实 CoT，而非弱模型补全出的幻觉。
• 蒸馏/竞争争议：多条评论认为这是实用蒸馏配方，并联系到 Kimi K3——用少量 Opus 推理 prefill 会让 K3 输出向 Opus 偏移，且 Claude/GPT 的特定推理片段从 K3 中比从其他模型更容易提取；但另一派认为“蒸馏指控”常被用来掩盖对中国实验室的政治偏见，且时间线不支持只靠蒸馏追上。
• “stealing”语义争论：一方认为用户已按 token 付费，输出属于用户，用“stealing”是厂商话术；另一方认为隐藏推理是受保护的中间过程，跨模型提取违反 ToS。评论中提出更中性的词是“recovery”。
• 历史参照：评论指出此前已有论文证明 logprob 可大幅降低蒸馏成本，随后闭源厂商移除了完整 logprob；本次加密 CoT 的可移植性大概率也会被收紧。
• 隐私风险：公共 GitHub/HuggingFace 上的 agent trajectory 已成为凭据泄露通道；有用户开始用 ingress 规则阻止这类加密块外传。
• 防御预期：评论预计厂商会改为服务端保存或按 session/model 绑定密钥，但这会与 zero-data-retention 企业功能及“同会话切换模型”冲突；还有人尝试直接禁用 thinking 但通过 deep_think 工具触发内部 CoT，社区认为与本文攻击不完全相同但值得继续观察。
• 方法论质疑：弱模型转写不能保证一字不差，论文图表中不少点偏离 y=x 线；因此“精确恢复”应理解为高保真重建，而非逐 token 拷贝。

🔗 原文 · HN 讨论页

今日洞察#

HN 今日最高热的是一篇安全研究：闭源模型的“加密推理”可被恢复。6,708 个公开 trajectory 中解码出 315,320 条 reasoning block，64 个隐私凭据只出现在隐藏推理里。攻击没有破解密码；它利用的是服务端必须在上下文中解密注入的机制——把强模型 trace 喂给同厂更弱模型，jailbreak 后让弱模型逐字转写。连锁影响在 API 设计：按 session/model 绑定密钥是大概率封堵路线，但会与 zero-data-retention 企业功能和同会话切换模型冲突；公开 trajectory 也成了凭据泄漏通道。

NVIDIA 的开源包里，路由库 Switchyard 比 30B 模型本身更有信号价值。LangChain 实测 145 个多步任务：93% 的步骤由 30B 模型完成，总成本降约 70%，保留约 90% 的 Opus 准确率。“每个请求都调最强模型”的默认解正在失效，路由层让模型变成按质量、延迟、成本选品的对象。HN 评论区也一致押注小模型+路由。README 标注 experimental、博客强调可部署的落差，暴露厂商抢位先于工程成熟。

ExtractBench 用 4,869 页企业文档量化了一个被掩盖的约束：超过 50 页时商业 VLM 召回率普遍低于 35%，高精度但静默丢弃表格行。对 Agent 流程而言，静默丢行比报错更危险——下游会把残缺数据当作完整结果继续执行。Agent 开始批量处理真实企业文档后，解析正被重写为 agentic 管线，评估基准也在换成完全确定性的测试。

1️⃣ 专有 LLM API 加密推理链被解码，公开会话泄出密钥#

• 核心事件：研究者公开论文《Stealing Reasoning Traces from Proprietary LLM APIs》，展示如何从 Anthropic、OpenAI、Google 的前沿模型 API 中提取本应加密的隐藏推理链。方法是将响应中的签名推理块重放到同一提供商的较弱模型上，诱导其转录出强模型的原始思考过程。
• 数据规模：扫描约 7,000 条来自 GitHub 与 Hugging Face 的公开代理轨迹，重构出 315,320 个推理块，并发现 62 个 API 密钥、33 个邮箱、33 个密码；其中 64 个敏感值仅存在于推理块中，未出现在可见会话里。
• 应对情况：研究已负责任披露，多个漏洞得到修复；但推理块可跨会话、跨用户重放的设计仍为蒸馏攻击与隐私泄露留下空间。
• 行业意义：付费 token 中包含的“思考过程”不再天然安全，模型提供方需要重新定义推理数据的计费与保密边界。 🔗 stolen-thoughts.com | Latent Space 报道 | The Decoder 报道

2️⃣ Manus 宣布恢复独立运营，部分用户需手动备份数据#

• 核心事件：Manus 官方发布《致用户信》，宣布公司将恢复为独立公司。为配合特定司法辖区监管合规要求，2025 年 12 月 29 日之后产生的数据将统一处理。
• 关键时间表：受影响用户须在 8 月 23 日 7:59（新加坡时间）前完成手动备份；8 月 25 日 8:00 起开放数据恢复门户，平台同步重新上线。过渡期用户免单，并会获得回归礼包。
• 背景信息：去年 12 月底 Meta 曾以 20 亿美元闪电收购 Manus，不到一年即出现反向分拆；官方强调此次调整与数据泄露无关。
• 行业意义：收购案因监管合规而逆转，说明通用 Agent 产品的数据主权与用户数据迁移能力已成为交易结构中不可忽略的前提。 🔗 Manus 官方公告 | 爱范儿早报 | 量子位报道

3️⃣ Mistral 将智谱 GLM-5.2 接入自有平台，“主权”定义从模型转向算力#

• 核心发布：Mistral 宣布其平台开始正式支持第三方开源模型，第一个被选中的是智谱 GLM-5.2。GLM-5.2 将由 Mistral 直接托管，运行在与 Mistral 自家模型相同的基础设施上，享受同等区域控制与服务承诺。
• 战略转向：Mistral 仍在扩建欧洲算力、区域推理节点与数据基础设施，计划 2030 年建设最高 1GW 计算能力，并继续以“主权 AI”为口径；但“主权”的落点已从“欧洲必须拥有自己的模型”变为“欧洲必须拥有运行 AI 的基础设施与控制权”。
• 行业意义：欧洲最具代表性的主权 AI 公司，把一家中国公司的模型作为首个第三方开放模型接入，模型来源与基础设施控制权正在成为可分离的两件事。 🔗 MaxForAI 转述 | Berryxia 评论

4️⃣ Needle 2 发布：14MB 智能体 LLM 可跑在树莓派与微控制器上#

• 核心发布：Cactus 开源 Needle 2，一个仅 45M 参数、14MB 体积的智能体大语言模型，专为工具调用、设备使用与结构化数据提取设计，运行时内存约 28MB。
• 性能表现：在工具调用与移动设备基准上可对标比它大 5 到 70 倍的小模型；树莓派 5 上约 500 tokens/s，Meta Quest 3 上 400–1500 tokens/s，ESP32-S3 这类微控制器也能运行。
• 技术设计：采用 Cactus Quants 无损 2bit 量化、Simple Attention Network 架构与 engram 记忆系统；支持边缘-云端协作，用置信度分数决定是否把任务交给云端。
• 落地案例：Pebble 已将其用于 Index Ring，实现离线语音控制。
• 行业意义：端侧智能体的模型体积被压到 14MB 级别，手机、可穿戴与 IoT 设备开始拥有可微调的工具调用底座。 🔗 Needle 2 项目页 | HN 讨论

5️⃣ [持续跟踪] Grok Bot 开放测试首批实测：用量消耗与付费门槛成焦点#

• 前情提要：xAI 昨日开放 Grok Bot 早期 beta。每个 Bot 拥有独立云电脑，可登录用户工具、像人一样操作软件并交回已完成的工作，用户关掉电脑后任务仍可继续运行。
• 最新进展：首批体验反馈显示，当前测试需要绑定信用卡，且用量消耗较快——有用户创建 3 个 Agent、仅对话几句，一周配额即消耗 32%；SuperGrok Heavy 订阅可免费使用，但价格为 300 美元/月。开发者社区评价其形态“像更简单易用的 OpenClaw”，也有用户认为同类产品 Bloome 目前更完整。
• 行业意义：常驻云端、跨应用操作的“AI 同事”开始进入付费 beta 阶段，产品化的第一道门槛不是模型能力，而是用量计费与账号信任边界。 🔗 Grok Bot 官方 | 向阳乔木实测 | meng shao 产品拆解 | Ding 评论

6️⃣ ChatGPT 发布 Linux 桌面版，Codex 同步登陆 Linux#

• 核心发布：OpenAI 推出 ChatGPT Linux 桌面应用预览，支持 Ubuntu 24.04/26.04、Debian 13、Fedora 43/44 的 x64 与 ARM64 架构，可接入 ChatGPT、ChatGPT Work 与 Codex。
• 配套功能：新版桌面应用还支持从其他 Agent 导入并同步 projects、chats、skills 与 plugins 到 ChatGPT Work/Codex，降低从既有编码 Agent 迁移的切换成本。
• 社区反应：开发者普遍认为，随着 AI 编码工具完善，过去阻碍开发者转向 Linux 的兼容性问题已不再是主要障碍。
• 行业意义：桌面客户端正在成为 Agent 工作流的集成入口，OpenAI 补齐 Linux 覆盖，意味着 Agentic Coding 的主战场已从 macOS/Windows 扩展到开源开发者生态。 🔗 OpenAI 官方推文 | 歸藏评论 | Berryxia 评论

7️⃣ [持续跟踪] ChatGPT 月活确认突破 10 亿，与 Gemini 同入十亿俱乐部#

• 前情提要：昨日 Google 宣布 Gemini App 月活跃用户达到 10 亿，成为 Google 第 14 款跨过这一门槛的产品。
• 最新进展：OpenAI 发言人正式确认，使用 ChatGPT 的人数已超过 10 亿月活，7 月周活达到 10 亿；今年 2 月公布的周活为 9 亿。Google 方面披露 Gemini 月活在 2 月为 7.5 亿，7 月底升至 9.5 亿，上周达到 10 亿，其中 iOS 端活跃用户超 1 亿。
• 行业意义：两个消费级 AI 应用同时站上 10 亿用户线，竞争焦点从模型能力进一步转向默认入口、系统级分发与跨设备覆盖。 🔗 爱范儿早报

8️⃣ [持续跟踪] 英伟达 5000 亿美元 AI 基建融资，Stratechery 拆解风险结构#

• 前情提要：英伟达宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs、KKR 合作建立彼此独立的融资平台，目标为 AI 基础设施项目累计撬动超 5000 亿美元第三方资本。
• 最新分析：Stratechery 付费报告《Nvidia’s Risky Business》指出，英伟达将为最多 25% 的残值型融资提供兜底；AI 基建融资在一年内走完“自由现金流—投资级债券—股权—保险浮存金与养老金”四级阶梯，风险正从可见的股价波动转入不透明的结构化融资与长期合同。
• 信号解读：报告认为，一家公司开始以担保替代直接让利，通常说明定价权正在被侵蚀；黄仁勋“compute is revenue”的叙事，本质是把 AI 工厂重新定义为可融资的生产性基础设施。
• 行业意义：GPU 供给的金融化程度上升，算力项目的真实需求与杠杆风险将更难被外部识别。 🔗 Stratechery 报告 | 中文要点整理 | 爱范儿早报

9️⃣ [持续跟踪] 林俊旸 Pragmatik Labs 估值约 20 亿美元，腾讯参投#

• 前情提要：前通义千问技术负责人林俊旸昨日宣布在上海成立 Pragmatik Labs（语用科技），研究方向为横跨数字世界与物理世界的下一代 Agent。
• 最新进展：The Information 报道称，本轮融资规模达数亿美元，投后估值约 20 亿美元；红杉中国与高榕创投联合领投，腾讯与上海未来产业基金跟投。公司名来自“语用学”，强调 Agent 需具备推理、工具调用、从反馈中学习并持续推进长程任务的能力。
• 行业意义：国内头部大模型研究者转向“数字 Agent + 具身智能”创业，早期估值已站上 20 亿美元级别，Agent 赛道的人才与资本密度正在快速上升。 🔗 Junyang Lin 官宣 | meng shao 补充估值 | Berryxia 公司背景整理

🔟 iOS 27 曝光苹果 AI 收费雏形：Apple Intelligence 用量与 iCloud+ 档位绑定#

• 核心事件：iOS 27 beta 5 的家庭 App 新增 Apple Intelligence 页面，显示 AI 摘要能力按 iCloud+ 套餐分档：2TB 套餐支持 5 个摄像头使用 AI 摘要，12TB 套餐支持 15 个；页面下方出现“升级 iCloud+，可以获得更多 Apple Intelligence 使用量”的入口。
• 政策背景：苹果在 WWDC 已确认部分依赖服务器模型的功能会设置每日使用上限，库克上月也在财报电话会表示用户可通过 iCloud+ “buy up the stack”。
• 行业意义：苹果没有另起炉灶做“AI 订阅”，而是把 AI 用量直接并入用户熟悉的存储套餐，消费级 AI 付费的计量单位正从 token 变成 iCloud 档位。 🔗 爱范儿报道